Benchmark de geração de imagens

Quão bom é o Muse Image da Meta em comparação com o Gemini Nano Banana 2 e o ChatGPT Images 2.5?

Sete avaliações originais de texto para imagem, seguidas de sete avaliações de edição de imagem usando imagens de origem e prompts fixos.

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

Caso de teste

Seis trombones vermelhos

Prompt (Traduzido do inglês)

Pedido principal: Seis trombones vermelhos à direita de quatro tartarugas de vidro saltando sobre uma lhama azul. Estilo/meio: ilustração de estúdio limpa e altamente legível Composição/enquadramento: uma cena quadrada coerente; mostre cada objeto por completo; torne as relações de "à direita de" e "saltando sobre" inequívocas Restrições: exatamente seis trombones vermelhos, exatamente quatro tartarugas de vidro transparente, exatamente uma lhama azul; nenhum objeto extra; nenhum texto, número, rótulo, borda, painel ou marca d'água.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Gemini > ChatGPT > Muse

O Gemini é o único modelo que desenha exatamente seis trombones. O ChatGPT desenha seis trombones, mas mostra erroneamente cinco tartarugas, enquanto o Muse desenha oito trombones e cinco tartarugas.

O Gemini demonstra a maior aderência às quantidades solicitadas.

02

Caso de teste

Inversão de papéis e atributos anormais

Prompt (Traduzido do inglês)

Crie uma única cena de fazenda cinematográfica ampla que inverta papéis familiares sem se tornar uma colagem. No centro, um astronauta em um traje espacial branco completo engatinha de quatro enquanto exatamente um cavalo castanho senta-se a cavalo na mochila de suporte à vida do astronauta, cavalgando visivelmente o astronauta; não mostre o astronauta cavalgando o cavalo. À esquerda, um pequeno pássaro azul assusta agressivamente um espantalho de palha, que se inclina para trás com os braços levantados. À direita, uma girafa cor-de-rosa brilhante observa de trás de uma cerca baixa. Mantenha cada assunto totalmente visível, anatomicamente legível e espacialmente separado; sem texto ou marca d'água.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

ChatGPT ≥ Gemini > Muse

O ChatGPT é o único modelo que mostra o pássaro azul assustando ativamente o espantalho. Nas outras imagens, a direção da queda do espantalho é inconsistente com a aproximação do pássaro.

O Muse fica atrás do Gemini devido à sua fraca separação espacial. O Gemini é a única imagem que transmite uma profundidade convincente.

03

Caso de teste

Geometria do espelho, mãos e joias

Prompt (Traduzido do inglês)

Crie uma cena de toucador quadrada fotorrealista projetada para testar a geometria do espelho e as mãos. Uma mulher fica de frente para um grande espelho vertical enquanto levanta sua mão esquerda real, com a palma voltada para o vidro; seu reflexo deve aparecer no lado direito do espelho e mostrar a mesma palma. Sua mão esquerda real usa exatamente três anéis — pedra vermelha no dedo indicador, ouro simples no dedo médio, pedra azul no dedo anelar —, enquanto apenas seu pulso direito real usa uma pulseira de prata. Coloque um copo verde à esquerda do espelho e um copo vermelho à direita dele; suas posições refletidas devem se inverter. Mostre dez dedos naturais no total nas mãos reais, mãos refletidas consistentes, sem joias extras, texto ou marca d'água.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Muse > Gemini > ChatGPT

O Muse segue as instruções com precisão para ambas as mãos.

O Gemini não levanta a mão esquerda e coloca todas as joias na mão direita.

O ChatGPT tem uma mão extra à direita, o que é pouco natural e assustador

04

Caso de teste

Tipografia, diacríticos e uma linha de base curva

Prompt (Traduzido do inglês)

Crie uma fotografia de arte urbana fotorrealista em uma única parede de tijolos vermelhos contínua. No centro superior, pinte a frase exata em letras maiúsculas “BE EXCELLENT TO EACH OTHER” em letras grandes em bloco branco, grafada perfeitamente uma vez. Abaixo dela, em uma linha de base turquesa claramente curvada, escreva exatamente “Crème brûlée — déjà vu!” com ambos os acentos, o travessão, letras minúsculas e ponto de exclamação intactos. À direita, inclua o grafite de um alienígena verde usando um smoking preto e gravata borboleta vermelha. Em primeiro plano, coloque um hidrante amarelo na calçada esquerda e um pequeno cartaz na extrema direita com os dizeres exatos “eXit 7½”. Nenhum outro texto legível, letras duplicadas, marca d'água ou painéis de colagem.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

ChatGPT > Muse > Gemini

O ChatGPT segue os requisitos com precisão.

O Muse usa o acento errado, escrevendo “brûlée” com “û”.

O Gemini inventa uma rua à esquerda e um canto de parede à direita, contradizendo a parede contínua única solicitada.

05

Caso de teste

Ações na cozinha e fundo profundo

Prompt (Traduzido do inglês)

Crie uma fotografia cinematográfica de foco profundo dentro de uma cozinha profissional de aço inoxidável. No primeiro plano central, um chef segura pinças pretas na mão direita sobre uma frigideira com exatamente dois bifes, enquanto a mão esquerda segura o cabo. À esquerda, um sous-chef joga tomates vermelhos, folhas verdes e pimentões amarelos em uma tigela de vidro. Ao fundo, exatamente três trabalhadores picam separadamente, montam pratos e abrem um forno. Pendure quatro panelas de cobre acima deles, diminuindo de tamanho da esquerda para a direita. Um tíquete de pedido acima da passagem diz exatamente “TABLE 7”. Mostre as mãos corretas e nenhum funcionário ou texto extra.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Gemini > Muse > ChatGPT

O Gemini cria a maior sensação de profundidade espacial e coloca o tíquete de pedido em um local sensato.

O Muse cria um espaço tridimensional implausível, e o trabalhador que abre o forno parece ter se fundido com o chef em primeiro plano.

O ChatGPT apresenta o espaço 3D mais impossível. As panelas parecem estar à mesma distância que o chef, mas são muito menores do que as normais. Os lados esquerdo e direito da imagem mostram profundidades diferentes (os 3 trabalhadores estão muito mais ao fundo do que o lado esquerdo sugeriria).

06

Caso de teste

Transparência, oclusão e iluminação

Prompt (Traduzido do inglês)

Crie uma natureza morta de estúdio fisicamente plausível em um piso cinza fosco. Coloque um cubo de vidro transparente atrás de uma esfera vermelha brilhante, mas na frente de um cone amarelo. A esfera oculta parcialmente o cubo, e o cubo oculta parcialmente o cone, enquanto todas as silhuetas permanecem identificáveis. Suspenda exatamente duas bolas de gude azuis verticalmente dentro do cubo. Na extrema esquerda, organize três pequenas pirâmides de prata em uma linha da frente para trás. Na extrema direita, sobreponha quatro anéis verdes como uma corrente sem fundi-los. Ilumine tudo a partir do canto superior esquerdo para que cada sombra caia para baixo e para a direita. Sem texto ou formas extras.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Muse = ChatGPT > Gemini

O Muse faz um trabalho razoável, mas a esfera vermelha mostra reflexos em ambos os lados, sugerindo incorretamente uma segunda fonte de luz à direita.

O ChatGPT apresenta um problema semelhante, embora o problema da segunda fonte de luz seja menos pronunciado. Por outro lado, o seu cubo está mais distorcido.

O Gemini inclui apenas três anéis, e as bolas de gude dentro do cubo de vidro têm reflexos improváveis.

07

Caso de teste

Associação de atributos em um mercado noturno multilíngue

Prompt (Traduzido do inglês)

Crie uma cena contínua e fotorrealista de um mercado noturno com três barracas da esquerda para a direita. O letreiro branco da barraca de livros azul diz "LIBROS"; o letreiro creme da barraca de chá vermelha diz "茶"; o letreiro preto da barraca de pão verde diz "خبز". Pendure exatamente cinco lanternas vermelhas apenas acima da barraca do meio. O vendedor canhoto despeja líquido de uma chaleira de prata segurada na mão esquerda em xícaras ordenadas em azul, branco e amarelo. Na frente, coloque uma criança de casaco roxo entre um cachorro malhado à esquerda e um gato listrado à direita. Preserve todos os alfabetos, contagens, cores e vinculações; nenhum outro texto legível.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

ChatGPT = Muse = Gemini

Todos os modelos capturam a atmosfera movimentada e fotorrealista de um mercado noturno.

O Gemini posiciona corretamente as lanternas acima da barraca do meio, enquanto o Muse e o ChatGPT as colocam dentro das barracas.

However, Gemini also introduces readable words on the right, contrary to the instruction.

Edição de imagem

Imagem de origem + prompt

08

Remoção de objeto de uma cena complexa

Prompt (Traduzido do inglês)

Edite a Imagem A, usando-a como foto de base. Remova apenas a bicicleta preta grande que domina o centro do primeiro plano: a bicicleta com o guidão prateado, selim preto, proteção de corrente preta e para-lama dianteiro prateado brilhante. Reconstrua as partes que ela esconde — a bicicleta verde atrás dela, a parede de tijolo pintada, as linhas de argamassa, os traços de graffiti, o meio-fio e os paralelepípedos — para que pareçam contínuos e fisicamente plausíveis. Mantenha todas as outras bicicletas, todas as marcas de graffiti sobreviventes, o corte, a posição da câmera, a luz do sol, as sombras, a textura e o grão fotográfico inalterados. Não adicione objetos, texto, desfoque, raios de roda repetidos ou um remendo de retoque visível. Retorne o mesmo enquadramento de paisagem e proporção de tela da Imagem A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Muse > ChatGPT > Gemini

O Muse infere corretamente que a roda dianteira da bicicleta central restante deve ser prateada, o que o coloca logo à frente do ChatGPT.

O ChatGPT também deixa uma quebra pouco natural ao longo da parte inferior do grafite.

O Gemini falha completamente ao remover a bicicleta.

09

Recolorização seletiva com reconhecimento de material

Prompt (Traduzido do inglês)

Edite a Imagem A, usando-a como foto de base. Altere apenas os painéis metálicos exteriores visíveis do carro pintados de vermelho — incluindo a porta, o para-lama dianteiro, a borda do capô, o painel traseiro e o pequeno painel de carroçaria elevado vermelho acima da linha do teto — para uma tinta metálica verde British racing profunda. A nova pintura deve manter as costuras originais dos painéis, os destaques e os reflexos das árvores. Não mude a cor nem redesenhe o teto de vinil marrom, os acabamentos cromados, os espelhos, os vidros, a borracha preta, o puxador da porta, a fechadura, a antena, o emblema, o interior, o motorista, o buquê ou o fundo. Não altere o modelo do carro nem a geometria. Preserve o corte original, a profundidade de campo, a iluminação e a proporção de tela; não adicione texto, logotipo ou objeto.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Muse = Gemini > ChatGPT

O Muse aplica nitidez indesejada ao emblema Ranchero, mas seu reflexo da grama é mais fiel à imagem original.

O Gemini aumenta a nitidez da sombra da grama, mas deixa o emblema inalterado.

O ChatGPT tornou o emblema Ranchero mais nítido e aplicou uma nitidez agressiva à sombra, pelo que fica em último lugar.

10

Reiluminação global sem desvio estrutural ou de texto

Prompt (Traduzido do inglês)

Edite a Imagem A, usando-a como foto de base. Mude a cena de um dia nublado para uma hora azul realista logo após a chuva. Faça do céu um crepúsculo azul-cobalto profundo e limpo; ligue as luzes quentes do interior e sob a cobertura; deixe que essas luzes quentes e a faixa roxa existente da estação se reflitam sutilmente no pavimento já molhado. Preserve exatamente a mesma posição da câmera, a perspectiva de grande-angular, a geometria do edifício, a cobertura, as colunas, as entradas, a disposição do pavimento, a faixa roxa e a palavra branca legível “Woolwich”. Mantenha cada pessoa, poste, cartaz e sinal existente na sua localização original e não adicione nem remova nada. Não reescreva, traduza ou invente texto. Mantenha o alcance dinâmico realista — sem visual de fantasia em néon — e retorne o mesmo enquadramento de paisagem e proporção de tela.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Gemini > Muse > ChatGPT

Todos os três modelos fazem um trabalho razoável ao preservar o ângulo incomum da câmera, a perspectiva e o texto, ao mesmo tempo em que geram um piso molhado.

O Gemini é o único modelo que usa a iluminação correta, porque tanto o Muse quanto o ChatGPT inventam lâmpadas que não estavam presentes na imagem original.

As lâmpadas do ChatGPT estão fora de lugar e ele cria uma lâmpada adicional na árvore à esquerda, ficando em último lugar.

11

Transplante exato do produto para um ambiente mobiliado

Prompt (Traduzido do inglês)

Use a Imagem A como o ambiente de base e a Imagem B apenas como referência de mobília. Na Imagem A, substitua apenas a poltrona estofada verde-claro estreita no centro ao fundo, posicionada entre as duas janelas traseiras iluminadas e parcialmente atrás do sofá azul — pela poltrona exata em azul e dourado da Imagem B. Preserve o encosto e o assento azuis quadrados distintos da Imagem B, a estrutura de madeira entalhada e dourada, os braços abertos, a franja de borlas e as pernas finas. Encaixe-a na posição de chão e ângulo de visão da cadeira original em uma escala de ambiente verossímil; combine a luz quente da janela, a sombra de contato com o chão, a perspectiva e qualquer oclusão de borda natural. Não altere o sofá azul, a mesa de centro, o tapete, os assentos embutidos da janela, as luminárias, as janelas, o lustre, as paredes de madeira ou qualquer outra parte da Imagem A. Não mantenha o fundo cinza de museu da Imagem B. Retorne o enquadramento paisagem e a proporção originais da Imagem A; sem móveis extras, texto ou borda de colagem.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Muse > Gemini = ChatGPT

O Muse é o único modelo que coloca a cadeira modificada em sua orientação original, enquanto os outros dois a giram muito para a direita.

12

Associação de identidade, estrutura e textura a partir de três referências

Prompt (Traduzido do inglês)

Crie um retrato fotográfico editorial de estúdio, quadrado e fotorrealista, usando todas as três referências com vinculação estrita de papéis. Posicione o mesmo gato tigrado cinza da Imagem A sentado na vertical e olhando ligeiramente para a esquerda exatamente na poltrona de orelhas da Imagem B. Preserve a face do gato, os olhos verde-amarelados, as listras escuras na testa, a pelagem cinza salpicada, o formato das orelhas e a cauda longa com anéis. Preserve o encosto alto com orelhas da Imagem B, os braços arredondados, o assento amplo, as pernas dianteiras curvadas e as barras transversais inferiores escuras, mas substitua apenas o tecido do estofamento pelo exato tecido Strawberry Thief da Imagem C: fundo azul-marinho, tordos espelhados, morangos vermelhos, folhas azuis e flores rosa, em uma escala onde pelo menos dois pássaros completos estejam visíveis na poltrona. Use um fundo de estúdio cinza-quente sem costuras e luz suave vinda do canto superior esquerdo com sombras de contato coerentes. Não copie a folhagem ou o solo da Imagem A, o fundo de arquivo da Imagem B ou uma amostra retangular da Imagem C. Sem coleira, fantasia, animal extra, móvel extra, texto, borda ou painéis de colagem.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

ChatGPT > Muse > Gemini

O ChatGPT produz de longe a resposta mais fiel ao comando.

A cadeira no resultado do ChatGPT retém a aparência empoeirada e gasta da cadeira original.

O Muse preserva perfeitamente a orientação e os detalhes da cadeira, mas sua cor é muito brilhante.

O Gemini apresenta a mesma cor excessivamente brilhante e também vira a cadeira incorretamente para a câmera, ficando em último lugar.

13

Colocar minha filha em uma montanha de esqui em Hokkaido

Prompt (Traduzido do inglês)

Use a Imagem B como a fotografia de destino de base e a Imagem A apenas como referência de identidade da minha filha. Crie uma fotografia convincente de viagem em família colocando a mesma jovem da Imagem A na pista de esqui nevada da Imagem B, com o Monte Yotei de Hokkaido, o horizonte, as pistas de esqui e o céu azul de inverno preservados exatamente. Mostre seu corpo inteiro no primeiro plano à esquerda, sorrindo naturalmente para a câmera, vestindo uma jaqueta de esqui vermelha apropriada para a idade, calças de neve azul-marinho, luvas pretas, botas de esqui brancas e um gorro de tricô creme que deixa seu rosto totalmente visível. Coloque dois esquis de tamanho infantil paralelos sob suas botas e um bastão em cada mão. Combine a luz da montanha, a altura da câmera, a escala, o ar frio e nítido, as sombras de contato na neve e a luz azul refletida. Preserve sua idade, rosto, cor dos olhos, linha do cabelo e expressão reconhecível; não a adultize nem a embeleze artificialmente. Não altere a silhueta da montanha, não adicione edifícios, não invente textos, não duplique pessoas nem crie uma colagem. Retorne o enquadramento e a proporção de tela paisagem da Imagem B.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

ChatGPT > Gemini > Muse

Todos os três modelos criam uma fotografia de esqui convincente e preservam a identidade reconhecível da menina. No entanto, todos lutam para renderizar as botas e os esquis corretamente.

O ChatGPT vence por skis renderizados com limpeza e sombra natural no rosto da garota. Embora a parte traseira dos skis seja claramente curta demais.

O Gemini tem dificuldade para renderizar a parte traseira dos esquis, além de o bastão direito ser muito mais longo do que o esquerdo

O Muse também tem problemas para renderizar os esquis, além disso, a sombra ao redor do rosto da garota é pouco natural

14

Trocar a minha antiga namorada por uma nova

Prompt (Traduzido do inglês)

Use a Imagem A como fotografia de base. Substitua apenas a mulher adulta sentada atrás do homem na scooter pela mulher adulta da Imagem B. Preserve o rosto reconhecível, olhos, nariz, boca, tez e cabelos escuros e longos da nova mulher, mas adapte-a naturalmente à pose sentada, escala e olhar da passageira original. Ela deve usar o cardigan creme e a saia bege da passageira original e segurar a mesma câmera de duas lentes na mesma posição com mãos plausíveis. Não traga o chapéu cônico, o lenço vermelho, a bandeira, a rua ou o fundo da Imagem B. Mantenha o homem completamente inalterado — incluindo seu rosto, cabelo, camisa listrada azul, mãos e postura ao pilotar — e preserve a scooter, o bagageiro cromado, os paralelepípedos, o edifício histórico, os portões, as plantas, as placas, as sombras, o corte e a profundidade de campo da Imagem A. Combine a luz solar do meio-dia existente e as sombras de contato para que pareça uma única fotografia de viagem não editada. Não altere nenhuma outra pessoa ou objeto, não adicione joias ou texto, não duplique membros, não desfoque rostos nem crie uma colagem. Retorne a proporção de tela paisagem da Imagem A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Veredito

Gemini > ChatGPT > Muse

Tanto o Gemini quanto o ChatGPT fazem um trabalho razoável ao trocar o rosto. O tom de pele é pouco natural em ambas as fotos. O Gemini vence porque a garota está olhando para baixo e mais alinhada com a pose original.

O Muse falhou completamente em trocar o rosto do segundo retrato, portanto é uma falha total.

Contagem final

Qual modelo de imagem vence?

Para simplificar, atribuímos três pontos para cada primeiro lugar (dividido em caso de empate) e um ponto para segundos lugares.

Vencedor de texto para imagem

ChatGPT Images 2.5

O ChatGPT Images 2.5 vence a seção de geração com 9,5 pontos, à frente do Gemini Nano Banana 2 com 9 pontos e do Muse Image 1.0 com 7,5 pontos.

Vencedores da edição de imagem

Muse Image 1.0 e Gemini Nano Banana 2

Muse Image 1.0 e Gemini Nano Banana 2 empatam na vitória de edição com 9,5 pontos cada, ligeiramente à frente do ChatGPT Images 2.5 com 9 pontos.

Vencedores gerais

ChatGPT Images 2.5 e Gemini Nano Banana 2

O ChatGPT Images 2.5 e o Gemini Nano Banana 2 empatam na vitória geral com 18,5 pontos cada. O Muse Image 1.0 termina logo atrás com 17 pontos.

Experimente você mesmo

Criar e editar imagens com IA

Selecionamos uma variedade de prompts para tornar esses modelos de imagem ainda mais fáceis de usar — veja como

Explorar a criação de imagens